基于时空图卷积网络与多层次特征融合的快递员3D人体姿态估计

1

作者 丁德波 史耀群 《传感技术学报》 北大核心 2025年第8期1457-1462,共6页

将快递员的人体动作数字化,赋能物流行业的智能化转型,从提升效率、保障健康到推动人机协作,具有广泛的应用潜力。提出了一种新方法,融合了时空图卷积网络与多层次特征融合技术。该方法首先利用时空图卷积网络对人体骨架序列进行建模,... 将快递员的人体动作数字化,赋能物流行业的智能化转型,从提升效率、保障健康到推动人机协作,具有广泛的应用潜力。提出了一种新方法,融合了时空图卷积网络与多层次特征融合技术。该方法首先利用时空图卷积网络对人体骨架序列进行建模,有效提取关节间的空间关系及时序依赖性。接着,通过引入多层次特征融合模块,融合来自不同网络层的特征信息,包括低层次的细节特征和高层次的抽象特征,从而更全面地捕捉快递员的人体关节动态变化和运动模式。为了验证所提方法的性能,在公开数据集Human3.6M上进行了实验。该数据集由视觉传感器采集得到,包含了丰富的人体姿态信息。仿真实验结果表明,所提出的方法能够显著提高三维姿态估计的精度。 展开更多

关键词 三维人体姿态估计 时空图卷积网络 多层次特征融合

在线阅读 下载PDF 职称材料

基于自适应时空图卷积网络的航空发动机剩余寿命预测

2

作者 许丹阳 尚洁 +2 位作者 蒋琛 邱浩波 高亮 《计算机集成制造系统》 北大核心 2025年第6期2165-2177,共13页

为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的... 为了深入挖掘传感器监测信号的时间域和空间域特征,全面反映健康状态进而提高故障预测精度,提出一种基于自适应时空图卷积网络(ASTGCN)的航空发动机剩余使用寿命(RUL)预测方法。首先以基于互信息的静态邻接矩阵为基础,结合参数可学习的动态邻接矩阵表示方法建立自适应邻接矩阵,自动调整传感器节点的空间关联,高质量构建航空发动机健康监测场景下的图结构数据;其次建立时空图卷积网络模块,分别利用一维和图卷积网络同步学习监测信号的时间和空间依赖关系,捕捉监测数据的动态时空相关性;最后将全连接层用于退化特征融合和RUL预测。采用公开的航空发动机退化数据集验证了ASTGCN的有效性和先进性。 展开更多

关键词 航空发动机 剩余使用寿命预测 数据驱动 时空图卷积网络 自适应邻接矩阵

在线阅读 下载PDF 职称材料

基于改进时空图卷积网络的综合能源系统超短期联合预测方法

3

作者 龚钢军 蔡贺 +3 位作者 杨德龙 傅思敏 车赵晗 马天辰 《华北电力大学学报(自然科学版)》 北大核心 2025年第4期1-12,23,I0002,共14页

面向综合能源系统中多元负荷和可再生能源出力以及天气因素之间复杂耦合关系的挖掘需求,本文提出一种基于改进时空图卷积网络的综合能源系统超短期联合预测方法。首先,将综合能源系统中的多元负荷、可再生能源出力、天气因素均映射为图... 面向综合能源系统中多元负荷和可再生能源出力以及天气因素之间复杂耦合关系的挖掘需求,本文提出一种基于改进时空图卷积网络的综合能源系统超短期联合预测方法。首先,将综合能源系统中的多元负荷、可再生能源出力、天气因素均映射为图结构数据形式,采用最大信息系数计算各输入变量间的相关性,将其作为节点相连边的加权值构造邻接矩阵;其次,在对时空图卷积运算改进的基础上简化了模型的参数结构;最后,建立基于Seq2Seq架构的改进时空图卷积网络模型,引入自回归层改善了非线性部分对于输入数据的敏感度。仿真结果说明相对于其它模型,本文所提模型在综合能源系统的超短期预测方面具有更佳的预测性能。 展开更多

关键词 综合能源系统 多元负荷预测 可再生能源出力预测 时空图卷积网络 最大信息系数 联合预测

在线阅读 下载PDF 职称材料

基于时空图卷积网络的矿区人员健康状态识别算法

4

作者 王惠伟 周超逸 +2 位作者 张兰峰 孙延钊 刘娜 《金属矿山》 北大核心 2025年第2期206-210,共5页

随着矿区工作环境的复杂化和危险性增加,实现矿区人员健康状态准确监测和识别很有必要。然而,传统的健康状态识别方法通常依赖于手工提取的特征信息,忽略了矿区人员的时空关系和动态变化。为此,提出了一种基于时空图卷积网络的矿区人员... 随着矿区工作环境的复杂化和危险性增加,实现矿区人员健康状态准确监测和识别很有必要。然而,传统的健康状态识别方法通常依赖于手工提取的特征信息,忽略了矿区人员的时空关系和动态变化。为此,提出了一种基于时空图卷积网络的矿区人员健康状态识别算法。该算法首先利用时空图卷积网络对矿区人员的骨架数据进行特征提取,同时考虑了人员之间的拓扑结构和时间序列的变化;然后采用长短期记忆网络(Long Short-Term Mem-ory,LSTM)对提取的特征进行序列建模;最后通过全连接层进行健康状态分类。在实际矿区人员健康状态数据集上进行了试验,结果表明:所提算法在健康状态识别的准确率和F1值等指标上均优于支持向量机(Support Vector Ma-chine,SVM)、长短期记忆网络(LSTM)、图卷积网络(Graph Convolutional Network,GCN)、动态卷积网络(Dynamic Graph Convolutional Network,DGCN)等算法,证明了该算法的有效性和可行性。 展开更多

关键词 矿山安全 健康状态识别 时空图卷积网络 长短期记忆网络

在线阅读 下载PDF 职称材料

基于多源异构融合与时空图卷积网络的集卡到港量预测模型

5

作者 薛桂香 陈宇昂 +2 位作者 刘瑜 郑倩 宋建材 《计算机工程与科学》 北大核心 2025年第3期561-570,共10页

及时准确的集卡到港量预测算法对于港口物流系统的调度优化和资源分配至关重要。由于集卡到港量受到临港路段交通情况、天气和港口作业计划等多种复杂因素影响而表现出高度非线性和复杂性特征,传统交通流量预测方法难以有效融合内、外... 及时准确的集卡到港量预测算法对于港口物流系统的调度优化和资源分配至关重要。由于集卡到港量受到临港路段交通情况、天气和港口作业计划等多种复杂因素影响而表现出高度非线性和复杂性特征,传统交通流量预测方法难以有效融合内、外部因素的影响并准确提取其时空相关性。针对这一问题,提出了一种基于多源异构数据融合和时空图卷积网络的混合集卡到港量预测模型MHF-STGCN,该模型采用注意力机制自适应提取港口交通流多源异构历史数据的关键信息并挖掘其动态时空演化特征。与单一交通数据相比,多源数据融合使模型MAE下降约34.99%,RMSE下降约31.10%,详细对比实验结果表明该模型在MAE、RMSE和R-Square等指标上显著优于基线模型。 展开更多

关键词 智慧港口 交通流量预测 多源异构数据融合 时空图卷积网络

在线阅读 下载PDF 职称材料

交通速度预测时空图卷积网络及其FPGA实现研究 被引量：1

6

作者 谭会生 杨威 严舒琪 《电子测量技术》 北大核心 2024年第18期108-119,共12页

时空图卷积网络(STGCN)通过图卷积和时间卷积捕获交通数据的空间依赖性和时间依赖性,可有效提升交通速度预测的精度。但是硬件实现交通速度预测STGCN具有计算量大难以满足实际应用的实时性要求、资源消耗大导致成本增高等问题,在优化交... 时空图卷积网络(STGCN)通过图卷积和时间卷积捕获交通数据的空间依赖性和时间依赖性,可有效提升交通速度预测的精度。但是硬件实现交通速度预测STGCN具有计算量大难以满足实际应用的实时性要求、资源消耗大导致成本增高等问题,在优化交通速度预测STGCN模型基础上,提出了一种交通速度预测STGCN的FPGA实现结构组合优化的方法。首先,通过轻量化裁剪和预测数据位宽的精确选择,对交通速度预测STGCN进行了模型优化,以降低计算复杂度和资源消耗,并经过Python仿真验证其可行性。其次,通过采用流水线、并行计算和数据交替流水存取等组合优化策略,提出了一种交通速度预测STGCN的FPGA实现结构组合优化的方法,以提升系统计算速度。最后,使用Verilog编程对交通速度预测STGCN进行了FPGA的实现仿真和硬件测试。利用PeMSD7(M)数据集进行实验,结果显示FPGA实现单数据交通速度预测的时间为355.5μs,相比CPU、GPU平台及FPGA设计方案1对比,其处理速度最大分别提高了25.9倍、6.7倍和3.5倍,证明了交通速度预测STGCN的FPGA实现结构组合优化方法,在保持预测准确性的前提下可较大幅度的提升系统处理速度。 展开更多

关键词 交通速度预测 时空图卷积网络 FPGA 硬件实现结构 流水线 并行结构

在线阅读 下载PDF 职称材料

基于改进时空图卷积网络的人员交互行为识别 被引量：1

7

作者 雷静思 刘双广 +1 位作者 刘乔寿 王祥雪 《计算机应用与软件》 北大核心 2024年第4期151-158,共8页

针对人员交互行为识别存在的多模态数据融合方法导致的识别准确率与模型性能无法同时满足的问题,提出一种基于改进时空图卷积网络的人员交互行为识别方法。将单模态骨架数据引入级联的密集时空图卷积块网络中获得丰富的时空特征信息,提... 针对人员交互行为识别存在的多模态数据融合方法导致的识别准确率与模型性能无法同时满足的问题,提出一种基于改进时空图卷积网络的人员交互行为识别方法。将单模态骨架数据引入级联的密集时空图卷积块网络中获得丰富的时空特征信息,提高特征复用率;设计一种增强时空图卷积网络(EST-GCN)单元提高网络对关节点之间的信息表征能力;引入一种运动特征因子衡量肢体不同关节的重要程度,提高模型识别效果。在Kinetics数据集和办案区场景数据集上的实验结果表明,所提出方法在识别效果上具有一定优势,且该方法在模型复杂度及运行效率上具有很好的竞争力。 展开更多

关键词 交互行为 时空图卷积网络 骨架数据 密集

在线阅读 下载PDF 职称材料

基于聚合时空图卷积网络的多风场超短期风速预测 被引量：1

8

作者 徐辰晓 崔承刚 +3 位作者 郭为民 杨宁 刘备 孟青叶 《电源学报》 CSCD 北大核心 2024年第4期133-142,共10页

在一定环境内区域风电场呈不规则分布的条件下,传统卷积神经网络预测方法无法体现出各区域风场的分布状态和影响关系,难以实现对风速的准确预测。针对此问题,采用图卷积网络进行特征建模,并根据多风场的拓扑结构和各区域风场风速的互相... 在一定环境内区域风电场呈不规则分布的条件下,传统卷积神经网络预测方法无法体现出各区域风场的分布状态和影响关系,难以实现对风速的准确预测。针对此问题,采用图卷积网络进行特征建模,并根据多风场的拓扑结构和各区域风场风速的互相关系数建立连通图和权重矩阵。其次,依赖风场风速的时间动态特征,采用改进并列式卷积结构获取同一风场下多时间段的风速序列相关性。再次,利用风场风速的空间相关性和延时效应,采用二阶聚合方法将不同区域内风速的时空特征聚合。最后,经某区域风场数据验证表明,在0~4 h预测尺度下该方法在多风场超短期风速预测中具有提取时空特征并提升预测性能的效果。 展开更多

关键词 风速预测 聚合时空图卷积网络 时空相关性

在线阅读 下载PDF 职称材料

时空图卷积网络的骨架识别硬件加速器设计

9

作者 谭会生 严舒琪 杨威 《电子测量技术》 北大核心 2024年第11期36-43,共8页

随着人工智能技术的不断发展,神经网络的数据规模逐渐扩大,神经网络的计算量也迅速攀升。为了减少时空图卷积神经网络的计算量,降低硬件实现的资源消耗,提升人体骨架识别时空图卷积神经网络(ST-GCN)实际应用系统的处理速度,利用现场可... 随着人工智能技术的不断发展,神经网络的数据规模逐渐扩大,神经网络的计算量也迅速攀升。为了减少时空图卷积神经网络的计算量,降低硬件实现的资源消耗,提升人体骨架识别时空图卷积神经网络(ST-GCN)实际应用系统的处理速度,利用现场可编程门阵列(FPGA),设计开发了一个基于时空图卷积神经网络的骨架识别硬件加速器。通过对原网络模型进行结构优化与数据量化,减少了FPGA实现约75%的计算量;利用邻接矩阵稀疏性的特点,提出了一种稀疏性矩阵乘加运算的优化方法,减少了约60%的乘法器资源消耗。经过对人体骨架识别实验验证,结果表明,在时钟频率100 MHz下,相较于CPU,FPGA加速ST-GCN单元,加速比达到30.53;FPGA加速人体骨架识别,加速比达到6.86。 展开更多

关键词 人体骨架识别 时空图卷积神经网络(ST-GCN) 硬件加速器 现场可编程门阵列(FPGA) 稀疏矩阵乘加运算硬件优化

在线阅读 下载PDF 职称材料

基于多尺度时空图卷积网络与Transformer融合的多节点短期电力负荷预测方法 被引量：10

10

作者 孟衡 张涛 +3 位作者 王金 张晋源 李达 时光蕤 《电网技术》 EI CSCD 北大核心 2024年第10期4297-4305,I0113-I0117,I0112,共15页

深度学习的发展为处理电力系统中海量的负荷数据提供了良好的基础。然而,现有的负荷预测方法大多采用历史负荷序列的时间相关性构建模型,没有同时考虑相邻节点之间存在的空间耦合特性和外部因素的影响。由于图卷积神经网络在挖掘电力系... 深度学习的发展为处理电力系统中海量的负荷数据提供了良好的基础。然而,现有的负荷预测方法大多采用历史负荷序列的时间相关性构建模型,没有同时考虑相邻节点之间存在的空间耦合特性和外部因素的影响。由于图卷积神经网络在挖掘电力系统拓扑结构中的空间特征上具有巨大潜力,因此,该文提出一种基于属性增强的多尺度时空图卷积神经网络与Transformer融合的电力系统多节点负荷预测方法。首先,将外部因素建模为动态属性和静态属性,设计属性增强单元对这些因素进行编码,并利用快速最大互信息系数量化各节点负荷的动态耦合信息。其次,采用多尺度时空图卷积网络挖掘节点间的短期时空特征,同时采用Transformer补充挖掘各节点负荷的长期时域特征。最后,使用门控融合层对两个模型进行融合。在纽约公开负荷数据集上的实验结果表明,所提方法能够充分挖掘多节点负荷数据中的时空耦合特性,具有更高的预测精度和稳定性。 展开更多

关键词 多节点负荷预测 多尺度时空图卷积神经网络 属性增强 TRANSFORMER

在线阅读 下载PDF 职称材料

基于时空图卷积网络的交通事故风险预测研究 被引量：4

11

作者 王庆荣 魏怡萌 +1 位作者 朱昌锋 田可可 《计算机工程》 CAS CSCD 北大核心 2022年第11期22-29,共8页

交通事故的预测是通过对过去路段发生的交通事故进行分析,在综合考虑影响交通事故的相关因素后,对未来路段的交通事故发生状态进行预测。以往的大多数研究通常采用传统机器学习方法或单一深度学习模型预测法,利用网格化确定预测空间的单... 交通事故的预测是通过对过去路段发生的交通事故进行分析,在综合考虑影响交通事故的相关因素后,对未来路段的交通事故发生状态进行预测。以往的大多数研究通常采用传统机器学习方法或单一深度学习模型预测法,利用网格化确定预测空间的单位,忽略了影响交通事故的天气、路况等外部因素,导致模型的预测性能不佳。提出一种基于时空特性的城市交通事故风险预测模型,在模型中使用改进的时空图卷积网络,利用图卷积网络(GCN)提取空间相关特征,并加入批标准化层解决梯度消失爆炸问题。在时间维度上采用门控线性单元(GLU)实现一维卷积操作,提取时间相关特征,并将GCN和GLU组合成时空卷积模块提取时空相关特征,使用均方误差损失函数解决样本数据零膨胀问题。实验结果表明,与GLU、SDCAE和ConvLSTM模型相比,该模型的RMSE指标分别降低了28%、4.87%、4.19%,能有效捕获时空相关性,综合性能得到较大提升。 展开更多

关键词 深度学习 城市交通事故 时空图卷积网络 时空相关性 批标准化层

在线阅读 下载PDF 职称材料

基于时空图卷积网络的电力系统暂态稳定评估 被引量：30

12

作者 庄颖睿 肖谭南 +2 位作者 程林 陈颖 关慧哲 《电力系统自动化》 EI CSCD 北大核心 2022年第11期11-18,共8页

快速准确的电力系统暂态稳定分析对电力系统安全稳定运行有着重要意义。现代电力系统设备元件日趋复杂多样导致系统非线性日益增强,作为电力系统暂态稳定分析传统方法的时域仿真法过于耗时。针对此问题,提出了一种基于时空图卷积网络模... 快速准确的电力系统暂态稳定分析对电力系统安全稳定运行有着重要意义。现代电力系统设备元件日趋复杂多样导致系统非线性日益增强,作为电力系统暂态稳定分析传统方法的时域仿真法过于耗时。针对此问题,提出了一种基于时空图卷积网络模型的暂态稳定分析方法,将短时仿真与神经网络预测相结合,减少暂态稳定分析所需时间,可用于多种仿真分析场景。该方法将暂态稳定分析建模为样本空间映射问题,利用数据驱动方法训练神经网络模型,建立从暂态过程电网空间结构与时序潮流数据到暂态稳定的映射。模型通过同时提取暂态过程故障前、故障中、故障后的电网空间结构特征和时序潮流特征来实现对系统暂态稳定的快速准确判断。与传统暂态稳定分析方法相比,所提出的方法仅需进行短时间仿真分析,提高了分析效率。与其他机器学习模型相比,时空图卷积网络模型同时挖掘电力系统暂态过程的空间特征和时间特征,引入了更多与稳定性相关的先验知识,具有更优的特征挖掘能力和分析性能。基于新英格兰39节点系统的测试结果验证了所提方法的可行性、有效性和优越性。 展开更多

关键词 电力系统 暂态稳定分析 特征分析 数据驱动 神经网络 时空图卷积网络

在线阅读 下载PDF 职称材料

基于时空图卷积网络的多变量时间序列预测方法 被引量：4

13

作者 李怀翱 周晓锋 +2 位作者 房灵申 李帅 刘舒锐 《计算机应用研究》 CSCD 北大核心 2022年第12期3568-3573,共6页

为了扩大时空图卷积网络的预测范围,将它应用在关联关系未知场景下的多变量时间序列预测问题,提出一种附加图学习层的时空图卷积网络预测方法(GLB-STGCN)。图学习层借助余弦相似度从时间序列中学习图邻接矩阵,通过图卷积网络捕捉多变量... 为了扩大时空图卷积网络的预测范围,将它应用在关联关系未知场景下的多变量时间序列预测问题,提出一种附加图学习层的时空图卷积网络预测方法(GLB-STGCN)。图学习层借助余弦相似度从时间序列中学习图邻接矩阵,通过图卷积网络捕捉多变量之间的相互影响,最后通过多核时间卷积网络捕捉时间序列的周期性特征,实现对多变量的精准预测。为验证GLB-STGCN的有效性,使用天文、电力、交通和经济四个领域的公共数据集和一个工业场景生产数据集进行预测实验,结果表明GLB-STGCN优于对比方法,在天文数据集上的表现尤为出色,预测误差分别降低了6.02%、8.01%、6.72%和5.31%。实验结果证明GLB-STGCN适用范围更广,预测效果更好,尤其适合自然周期明显的时间序列预测问题。 展开更多

关键词 多变量时间序列预测 时空图卷积网络 图神经网络 时间卷积网络

在线阅读 下载PDF 职称材料

时空图卷积网络在人体异常行为识别中的应用 被引量：14

14

作者 张蔚澜 齐华 李胜 《计算机工程与应用》 CSCD 北大核心 2022年第12期122-131,共10页

在监控场景下,由于监控资源短缺,行人异常行为容易发生漏检。针对该问题,提出了一种视频监控场景下的人体异常行为识别的方法,辅助监控人员及时发现异常。使用OpenPose对图像中行人进行人体骨架提取。针对图卷积网络对关节点特征聚合方... 在监控场景下,由于监控资源短缺,行人异常行为容易发生漏检。针对该问题,提出了一种视频监控场景下的人体异常行为识别的方法,辅助监控人员及时发现异常。使用OpenPose对图像中行人进行人体骨架提取。针对图卷积网络对关节点特征聚合方式单一的问题,融合了基于图注意力网络(graph attention network,GAT)的图注意力机制。在改进后的图卷积网络的基础上,利用时空图卷积神经网络(spatial temporal graph convolutional networks,ST-GCN),对行人关节点信息进行异常行为识别。实验结果表明,提出的识别算法对定义的行为识别准确率达85.48%,能够准确地识别监控视频中行人的异常行为。 展开更多

关键词 OpenPose算法 时空图卷积网络 图注意力机制 行为识别

在线阅读 下载PDF 职称材料

基于残差时空图卷积网络的3D人体行为识别 被引量：12

15

作者 管珊珊 张益农 《计算机应用与软件》 北大核心 2020年第3期198-201,250,共5页

人体行为识别是智能监控、人机交互等诸多应用领域的一项基本技术。人体骨骼的动态变化为人体行为识别提供了重要的信息。传统方法通常只是采取人工信息标注或遍历规则,从而导致模型的表征能力有限、泛化性能差。采用一种引入了残差项... 人体行为识别是智能监控、人机交互等诸多应用领域的一项基本技术。人体骨骼的动态变化为人体行为识别提供了重要的信息。传统方法通常只是采取人工信息标注或遍历规则,从而导致模型的表征能力有限、泛化性能差。采用一种引入了残差项的动态骨架模型——基于残差连接的时空图卷积网络,不仅克服了以往方法的限制,而且能够学习骨骼数据中的时空模型。在大型骨骼NTU-RGB+D数据集上,该网络模型不仅提高了人体行为特征的表征能力,而且增强了泛化能力,取得了比现有的模型更好的识别效果。 展开更多

关键词 行为识别 残差 骨架模型 时空图卷积网络

在线阅读 下载PDF 职称材料

基于时空图卷积网络的语音驱动个人风格手势生成方法 被引量：1

16

作者 张斌 刘长红 +1 位作者 曾胜 揭安全 《计算机科学》 CSCD 北大核心 2022年第S02期604-608,共5页

人们在发言时的手势动作往往具有自己独特的个人风格,研究者们提出了基于生成式对抗网络的语音驱动个人风格手势生成的方法,然而所生成的动作不自然,存在时序上动作不连贯的问题。针对该问题,文中提出了一种基于时空图卷积网络的语音驱... 人们在发言时的手势动作往往具有自己独特的个人风格,研究者们提出了基于生成式对抗网络的语音驱动个人风格手势生成的方法,然而所生成的动作不自然,存在时序上动作不连贯的问题。针对该问题,文中提出了一种基于时空图卷积网络的语音驱动个人风格手势生成的方法,引入以时空图卷积网络为基础的时序动态性判别器,构建手势动作关节点之间空间和时间上的结构关系,并通过时空图卷积网络捕获手势动作关节点在空间上的相关性和提取时序上的动态性特征,使所生成的手势动作保持时序上的连贯性,以更符合真实手势的行为和结构。在Ginosar等构建的语音手势数据集上进行实验验证,与相关方法相比,正确关键点百分比指标提高了2%~5%,所生成的手势动作更自然。 展开更多

关键词 跨模态生成 手势生成 个人风格学习 时空图卷积网络 时序动态性

在线阅读 下载PDF 职称材料

融合因果关系和时空图卷积网络的人体动作识别 被引量：5

17

作者 叶松涛 周扬正 +1 位作者 范红杰 陈正雷 《计算机科学》 CSCD 北大核心 2021年第S02期130-135,共6页

基于人体骨骼的动作识别因具有简洁、鲁棒的特点,近年来受到了广泛的关注。目前大部分基于骨骼的动作识别方法,如时空图卷积网络(ST-GCN),通过提取连续帧的时间特征和帧内骨骼关节的空间特征来区分不同的动作,取得了良好的效果。考虑人... 基于人体骨骼的动作识别因具有简洁、鲁棒的特点,近年来受到了广泛的关注。目前大部分基于骨骼的动作识别方法,如时空图卷积网络(ST-GCN),通过提取连续帧的时间特征和帧内骨骼关节的空间特征来区分不同的动作,取得了良好的效果。考虑人体运动中存在的因果性关系,提出了一种融合因果关系和时空图卷积网络的动作识别方法。针对计算关节力矩获取权重复杂的情况,根据关节之间的因果关系为骨骼图分配边权重,并将权重作为辅助信息增强图卷积网络,来提高驱动力较强的关节在神经网络中的权重,降低重要性低的关节的关注度,增强重要性高的关节的关注度。相比ST-GCN等方法,在Kinetics公开数据集上,所提方法无论是Top-1还是Top-5都有较大的提升,在构建的真实太极拳数据集上的识别精度达97.38%(Top-1)和99.79%(Top-5),证明了该方法可以有效地增强动作特征,提升识别的准确率。 展开更多

关键词 动作识别 因果关系 权重嵌入 时空图卷积网络 收敛交叉映射

在线阅读 下载PDF 职称材料

基于时空图卷积网络的短期空间负荷预测方法 被引量：14

18

作者 张鹏飞 胡博 +3 位作者 何金松 胡展硕 刘桁宇 刘育博 《电力系统自动化》 EI CSCD 北大核心 2023年第13期78-85,共8页

为充分利用Ⅰ类元胞负荷之间的空间影响性,提高空间负荷预测精度,提出了一种基于时空图卷积网络的短期空间负荷预测方法。首先,将各Ⅰ类元胞视为节点,各Ⅰ类元胞的历史负荷作为节点的特征信息,各Ⅰ类元胞之间的电网拓扑结构作为边,构建... 为充分利用Ⅰ类元胞负荷之间的空间影响性,提高空间负荷预测精度,提出了一种基于时空图卷积网络的短期空间负荷预测方法。首先,将各Ⅰ类元胞视为节点,各Ⅰ类元胞的历史负荷作为节点的特征信息,各Ⅰ类元胞之间的电网拓扑结构作为边,构建一个空间负荷时空信息图。然后,根据空间负荷时空信息图中的拓扑结构和距离信息,采用阈值高斯核方法确定时空图卷积网络的邻接矩阵。最后,将空间负荷时空信息图采用时空图卷积网络进行训练,得到空间负荷预测模型,以中国某市某一区域的数据为例,与现有方法进行对比,验证了所提方法的有效性。 展开更多

关键词 负荷预测 时空图卷积网络 特征挖掘 元胞

在线阅读 下载PDF 职称材料

基于时空图卷积网络的谐波状态估计方法研究 被引量：3

19

作者 冯函宇 王红 +2 位作者 齐林海 肖合举 张岩 《电网技术》 EI CSCD 北大核心 2023年第11期4488-4496,共9页

随着现代电力系统中分布式新能源的广泛接入,谐波问题愈加复杂。现有谐波状态估计方法存在估计精度低、电网参数难以获取、缺乏系统性等弊端。首先,该文对谐波数据时空特性进行分析,基于数据驱动融合图卷积神经网络和门控循环单元对未... 随着现代电力系统中分布式新能源的广泛接入,谐波问题愈加复杂。现有谐波状态估计方法存在估计精度低、电网参数难以获取、缺乏系统性等弊端。首先,该文对谐波数据时空特性进行分析,基于数据驱动融合图卷积神经网络和门控循环单元对未知节点谐波状态进行估算;其次,提出子图分割方法,将整个系统划分为若干子图独立进行数据采集和状态估计,合并后实现了谐波状态全网可观性,解决了监测装置数量不足的问题;最后,仿真算例数据和实际量测数据均验证了方法的有效性和适用性,为谐波状态估计问题提供了新的解决方案。 展开更多

关键词 谐波状态估计 深度学习 时空图卷积网络 数据驱动

在线阅读 下载PDF 职称材料

基于路径签名的改进时空图卷积网络 被引量：3

20

作者 赵艺 《计算机工程与科学》 CSCD 北大核心 2022年第12期2213-2219,共7页

针对时空图卷积网络ST-GCN中GCN的关节邻接图不易学习远端关节之间的语义信息和TCN在描述时间信息方面存在不足的问题,引入了数字签名预处理来增强数据,提出了基于路径签名的改进时空图卷积网络SSIT-GCN。首先将关节位置坐标的时间序列... 针对时空图卷积网络ST-GCN中GCN的关节邻接图不易学习远端关节之间的语义信息和TCN在描述时间信息方面存在不足的问题,引入了数字签名预处理来增强数据,提出了基于路径签名的改进时空图卷积网络SSIT-GCN。首先将关节位置坐标的时间序列输入签名层进行数据预处理,在该层时间序列通过嵌入算法被转换为多维路径,将其划分为多条路径并计算每条路径的签名特征;其次重新设计GCN的关节邻接矩阵,并用反卷积来代替补零,以保持TCN的尺寸不变,还引入1×1的卷积核增加非线性来改进ST-GCN,得到改进时空图卷积网络SIT-GCN;最后用签名特征代替原始数据输入SITGCN,得到最终的输出结果。实验结果表明,基于路径签名的改进时空图卷积网络大大提高了训练精度,缩短了训练时间,对动态手势识别有较好的识别能力和识别速度。 展开更多

关键词 手势识别 路径签名 时空图卷积网络 监督学习 签名层

在线阅读 下载PDF 职称材料